对公开户尽调：一键生成标准化Markdown风险报告
实战代码：基于
due-diligenceSkill | 企业风险扫描 | 报告自动生成
痛点：尽调报告的"复制粘贴"
银行对公客户经理写尽调报告：
- 打开Word模板
- 复制粘贴企业信息
- 手动填写风险分析
- 调整格式、排版
- 反复修改...
平均耗时：4小时/份，且容易出错。
方案：一键生成标准化报告
from due_diligence import DueDiligenceScanner, ReportGenerator
# 扫描企业
scanner = DueDiligenceScanner()
report_data = scanner.scan_company("某科技有限公司")
# 生成报告
generator = ReportGenerator(template="standard.md")
report = generator.generate(report_data, output="report.md")
print(f"✅ 报告生成完成: {report.filepath}")
print(f"📄 页数: {report.pages}")
print(f"⏱️ 耗时: {report.duration}秒")
完整代码
"""
企业尽职调查报告生成器
运行: python generate_dd_report.py --company "某科技有限公司"
"""
import argparse
import json
from datetime import datetime
from dataclasses import dataclass
from typing import List, Dict
@dataclass
class RiskItem:
category: str
level: str # 高/中/低
description: str
evidence: str
suggestion: str
@dataclass
class CompanyProfile:
name: str
credit_code: str
registered_capital: float
establishment_date: str
legal_representative: str
status: str
class DueDiligenceScanner:
"""企业尽职调查扫描器"""
def __init__(self):
self.risk_weights = {
"judicial": 0.30,
"financial": 0.25,
"reputation": 0.20,
"related": 0.15,
"industry": 0.10
}
def scan_company(self, company_name: str) -> Dict:
"""扫描企业风险"""
# 模拟数据（实际应调用API）
profile = self._get_company_profile(company_name)
risks = self._analyze_risks(company_name)
score = self._calculate_score(risks)
return {
"profile": profile,
"risks": risks,
"score": score,
"level": self._get_level(score),
"scan_time": datetime.now().isoformat()
}
def _get_company_profile(self, name: str) -> CompanyProfile:
"""获取企业基本信息"""
# 实际应调用工商API
return CompanyProfile(
name=name,
credit_code="91310000**********",
registered_capital=50000000,
establishment_date="2019-03-15",
legal_representative="张三",
status="存续"
)
def _analyze_risks(self, name: str) -> List[RiskItem]:
"""分析风险"""
risks = []
# 司法风险
risks.append(RiskItem(
category="司法风险",
level="高",
description="存在3起作为被告的涉诉记录",
evidence="裁判文书网查询结果",
suggestion="建议详细核查诉讼原因及进展"
))
# 经营风险
risks.append(RiskItem(
category="经营风险",
level="中",
description="资产负债率87%，高于行业平均55%",
evidence="企业财报分析",
suggestion="关注企业偿债能力变化"
))
# 舆情风险
risks.append(RiskItem(
category="舆情风险",
level="高",
description="近期出现5篇负面新闻",
evidence="新闻舆情监控",
suggestion="关注舆情发展趋势"
))
return risks
def _calculate_score(self, risks: List[RiskItem]) -> int:
"""计算风险评分"""
score = 100
for risk in risks:
if risk.level == "高":
score -= 25
elif risk.level == "中":
score -= 15
elif risk.level == "低":
score -= 5
return max(0, score)
def _get_level(self, score: int) -> str:
"""获取风险等级"""
if score >= 80:
return "低"
elif score >= 60:
return "中"
elif score >= 40:
return "高"
else:
return "极高"
class ReportGenerator:
"""报告生成器"""
def __init__(self, template: str = "standard"):
self.template = template
def generate(self, data: Dict, output: str = "report.md") -> Dict:
"""生成报告"""
content = self._render_template(data)
with open(output, "w", encoding="utf-8") as f:
f.write(content)
return {
"filepath": output,
"pages": len(content) // 2000, # 估算页数
"duration": 0.5 # 模拟耗时
}
def _render_template(self, data: Dict) -> str:
"""渲染模板"""
profile = data["profile"]
risks = data["risks"]
score = data["score"]
level = data["level"]
report = f"""# 企业尽职调查报告
> 报告编号: DD-{
datetime.now().strftime('%Y%m%d%H%M%S')}
> 生成时间: {
data['scan_time']}
> 扫描对象: {
profile.name}
---
## 一、企业基本信息
| 项目 | 内容 |
|------|------|
| 企业名称 | {
profile.name} |
| 统一社会信用代码 | {
profile.credit_code} |
| 注册资本 | ¥{
profile.registered_capital:,.0f} |
| 成立日期 | {
profile.establishment_date} |
| 法定代表人 | {
profile.legal_representative} |
| 经营状态 | {
profile.status} |
## 二、综合风险评级
{'🟢' if level == '低' else '🟡' if level == '中' else '🔴' if level == '高' else '⚫'} 风险等级: {level}
综合评分: {score}/100
## 三、风险详情
"""
for i, risk in enumerate(risks, 1):
report += f"""### 3.{i} {risk.category}
- **风险等级**: {risk.level}
- **风险描述**: {risk.description}
- **证据来源**: {risk.evidence}
- **建议措施**: {risk.suggestion}
"""
report += """## 四、综合建议
基于以上分析，建议采取以下措施：
1. **短期措施**
- 核实企业涉诉情况
- 关注舆情发展动态
- 评估企业偿债能力
2. **中期措施**
- 建立定期监控机制
- 设置风险预警阈值
- 制定风险应对预案
3. **长期措施**
- 优化客户准入标准
- 完善风险评级模型
- 加强贷后管理
---
*本报告由AI自动生成，仅供参考，最终决策请以人工审核为准。*
"""
return report
# 主程序
def main():
parser = argparse.ArgumentParser(description="企业尽职调查报告生成器")
parser.add_argument("--company", "-c", required=True, help="企业名称")
parser.add_argument("--output", "-o", default="dd_report.md", help="输出文件")
args = parser.parse_args()
print(f"🔍 开始扫描企业: {args.company}")
# 扫描
scanner = DueDiligenceScanner()
data = scanner.scan_company(args.company)
print(f"📊 风险评分: {data['score']}/100")
print(f"⚠️ 风险等级: {data['level']}")
# 生成报告
generator = ReportGenerator()
result = generator.generate(data, args.output)
print(f"\n✅ 报告生成完成!")
print(f"📄 文件: {result['filepath']}")
print(f"📑 页数: ~{result['pages']}页")
print(f"⏱️ 耗时: {result['duration']}秒")
if __name__ == "__main__":
main()
运行效果
$ python generate_dd_report.py --company "某科技有限公司"
🔍 开始扫描企业: 某科技有限公司
📊 风险评分: 45/100
⚠️ 风险等级: 高
✅ 报告生成完成!
📄 文件: dd_report.md
📑 页数: ~3页
⏱️ 耗时: 0.5秒
生成的报告：
# 企业尽职调查报告
> 报告编号: DD-20240115143022
> 生成时间: 2024-01-15T14:30:22
> 扫描对象: 某科技有限公司
---
## 一、企业基本信息
| 项目 | 内容 |
|------|------|
| 企业名称 | 某科技有限公司 |
| 统一社会信用代码 | 91310000********** |
| 注册资本 | ¥50,000,000 |
| 成立日期 | 2019-03-15 |
| 法定代表人 | 张三 |
| 经营状态 | 存续 |
## 二、综合风险评级
🔴 风险等级: 高
综合评分: 45/100
## 三、风险详情
### 3.1 司法风险
- **风险等级**: 高
- **风险描述**: 存在3起作为被告的涉诉记录
- **证据来源**: 裁判文书网查询结果
- **建议措施**: 建议详细核查诉讼原因及进展
### 3.2 经营风险
- **风险等级**: 中
- **风险描述**: 资产负债率87%，高于行业平均55%
- **证据来源**: 企业财报分析
- **建议措施**: 关注企业偿债能力变化
### 3.3 舆情风险
- **风险等级**: 高
- **风险描述**: 近期出现5篇负面新闻
- **证据来源**: 新闻舆情监控
- **建议措施**: 关注舆情发展趋势
## 四、综合建议
基于以上分析，建议采取以下措施：
1. **短期措施**
- 核实企业涉诉情况
- 关注舆情发展动态
- 评估企业偿债能力
2. **中期措施**
- 建立定期监控机制
- 设置风险预警阈值
- 制定风险应对预案
3. **长期措施**
- 优化客户准入标准
- 完善风险评级模型
- 加强贷后管理
---
*本报告由AI自动生成，仅供参考，最终决策请以人工审核为准。*
批量生成
# 批量生成报告
companies = ["A公司", "B公司", "C公司", "D公司"]
for company in companies:
data = scanner.scan_company(company)
generator.generate(data, f"reports/{company}_report.md")
print(f"✅ {company} 报告已生成")
自定义模板
# 自定义报告模板
custom_template = """
# {
{company_name}} 风险评估
## 基本信息
- 企业名称: {
{name}}
- 风险评分: {
{score}}
## 风险列表
{% for risk in risks %}
- {
{risk.category}}: {
{risk.level}}
{% endfor %}
## 审批建议
{% if score >= 80 %}
✅ 建议通过
{% elif score >= 60 %}
⚠️ 建议复核
{% else %}
❌ 建议拒绝
{% endif %}
"""
generator = ReportGenerator(template=custom_template)
完整代码：https://github.com/yuzhaopeng-up/financial-ai-skills/tree/main/skills/due-diligence/examples
#尽职调查 #报告生成 #Markdown #银行对公 #自动化
